Rationale and design of a navigator‐driven remote optimization of guideline‐directed medical therapy in patients with heart failure with reduced ejection fraction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although optimal pharmacological therapy for heart failure with reduced ejection fraction (HFrEF) is carefully scripted by treatment guidelines, many eligible patients are not treated with guideline-directed medical therapy (GDMT) in clinical practice. We designed a strategy for remote optimization of GDMT on a population scale in patients with HFrEF leveraging nonphysician providers. An electronic health record-based algorithm was used to identify a cohort of patients with a diagnosis of heart failure (HF) and ejection fraction (EF) ≤ 40% receiving longitudinal follow-up at our center. Those with end-stage HF requiring inotropic support, mechanical circulatory support, or transplantation and those enrolled in hospice or palliative care were excluded. Treating providers were approached for consent to adjust medical therapy according to a sequential, stepped titration algorithm modeled on the current American College of Cardiology (ACC)/American Heart Association (AHA) HF Guidelines within a collaborative care agreement. The program was approved by the institutional review board at Brigham and Women's Hospital with a waiver of written informed consent. All patients provided verbal consent to participate. A navigator then facilitated medication adjustments by telephone and conducted longitudinal surveillance of laboratories, blood pressure, and symptoms. Each titration step was reviewed by a pharmacist with supervision as needed from a nurse practitioner and HF cardiologist. Patients were discharged from the program to their primary cardiologist after achievement of an optimal or maximally tolerated regimen. A navigator-led remote management strategy for optimization of GDMT may represent a scalable population-level strategy for closing the gap between guidelines and clinical practice in patients with HFrEF.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle